本文作者：朱一玮 发表期数：现代职业教育 2022年14期 本文字数：2581
[摘 要] 在对移动学习工具和平台进行数据分析的基础上，利用大数据、机器学习等技术分析构建新型智能化教学系统，并与传统教育技术和教育形式进行比较。认为这种资源有效地结合了学习个性化、情景移动化和知识传播化三个特点，最后提出了一个全新的智能化移动学习系统设计思考。
[关 键 词] 碎片化知识;灵活学习;有效学习;群智感知
[中图分类号] G712 [文献标志码] A [文章编号] 2096-0603（2022）14-0082-03
一、移动学习现状分析
21世纪以来，中国高等教育普及化、网络覆盖快速扩张、新的教育技术教育方法层出不穷交替更新，出现了许多新名词，比如“碎片化知识”“轻量化阅读”等。如何有效地提高传统教育方法的教学效果和传统教育技术教学效率，如何合理准确地评估新涌现出来的教学方法、教学形式和教学技术的作用，在传统教学环境中如何更科学合理地结合教育新方法、新技术，这是摆在目前无法逾越的一个问题。
2017年有文献[1]对国内高校移动学习发展现状做过综述，认为移动学习有三个显著的特色：学习时间碎片化、学习内容新颖性、学习过程社交化。这些都符合教育发展与学习个性化的需要。
在实际调查过程中也暴露出不少问题，并归纳为三个层面的缺失。学生层面：碎片化与系统性缺失;新颖性与价值迷失;社交化与娱乐化倾向。高校层面：软件开发、平台建设和使用维护与管理均滞后于移动互联网高度普及的现实。商业层面：受制于以盈利为目的的商业性移动学习应用设计，各平台发展良莠不齐，课程内容与体系重点有别，并且网络课程资源高度集中于英语学习类、学习管理类等内容，难以适合和满足高校学生所需。
但是移动学习满足了教育的学习个性化、情景移动化和知识传播化的三个特征，在这个节奏加快、信息爆炸的时代这代表着未来教育发展的趋势。
二、构建有效学习模型思考
学生通过学习前人积累的知识和经验，自主构成学生个人的知识结构与体系，而教育的本质就是为了帮助学生加速这一过程。所以有效学习（Effective Learning）应该是衡量教育效果、评估教育技术有效性的一个重要的指标[2]。
有文献论述了信息化环境下大学生有效学习的特点与意义[3]。也有文献作者提出了以社会建构主义理论等为基本框架，建立在远程教育网络教育中应用有效学习策略，提出了研究建立有效学习的前因模型[4-5]。国外有学者从心理学（思想、行为和特定环境影响下的喜好）角度提出了影响有效学习的6个因素：学习条件、学生特点、学习内容（材料）、学习任务和学习评价[6]。
本文设想运用大数据和群智感知等技术，利用机器学习建立一个灵活的个性化学习模型，協助学生在吸收碎片化知识的基本上快速构建各自的知识结构。
（一）知识碎片化
知识碎片化不是简单的切割划分，而是依据最小知识点原则划分，并构建各知识点之间的关联。目前有不少类似的工具与平台，比如维基百科、百度词条、知乎等，还有一些公开课和自媒体，如TED讲座、果壳网、混乱博物馆等。另外，这两年国内外各高校大力推进的慕课（MOOC）建设也尽量使每次课程不超过15分钟。
碎片化知识的资源有很多，利用大数据、云计算技术和工具进行有效管理，关联知识点的各类表现载体、关联课程知识点体系、关联课程之间的知识点衔接，以课程为单位将各知识点纵向横向组织起来。比如利用Hadoop（一种开源的分布式计算工具）搭建搜索引擎优化，具有效果好、硬件与软件二次开发成本低等诸多特点。
（二）知识点推送
由于各知识点本身存在某种承前启后的顺序关系，所以在传统的授课环境中有一套授课计划与步骤：因为知识A是知识B的基础，，所以先讲解A再讲B。
这种授课方式在启蒙和基础教育阶段是很有必要的，可以避免在学习上少走弯路，提高学习效率，缩短学习周期。但是进入高等教育阶段后，尤其是在面对大量新涌现出来的新技术、新专业、交叉学科、前沿科技的时候，因为这些新增的知识缺乏足够的时间积累与系统化整理，这种按知识点顺序授课与学习方式会显得特别无力。
设想个性化有效学习模型应该能根据学生学习状况，智能推送学习知识点。这种智能推送不仅考虑学生的学习兴趣与对学习媒体的自主选择性，还必须着重兼顾学生的知识掌握程度即学习有效性的评测。如果系统评测学生在某个知识点学习过程中的有效性高，系统则推送后继知识点的学习（纵向内容推送），反之系统推送该知识点相关的补充学习内容（横向内容推送）。
（三）有效学习的检测技术
结果性检测，俗称考试，是长期以来检验学习有效性的一个重要途径。虽然诸多高校纷纷开展阶段性考核、过程化考试，但真正实施起来也往往局限于成果性、结果性的检验。
知识学习能帮助人们提高综合能力，比如认知能力、思维能力、实践能力、发展能力等，这些综合的素质能力是不可能仅仅通过结果性考试测评出来的。本文设想是利用大数据、群智感知、机器学习等现代计算机技术来实现学习推送与学习有效性检测之间的“双向交互”。
“群智感知”是将普通用户的移动设备作为基本感知单元，通过网络通信形成群智感知网络，从而实现感知任务分发与感知数据收集，完成大规模、复杂的社会感知任务。通过智能手机（常见的移动学习工具）内置的多种传感器、图像语音摄录设备以及在线提交的文本信息等，通过机器学习建立一套具有一定人工智能的学习有效性测评机制。
202205072204
